建立Agent

AGI（通用人工智能）、RAG（检索增强生成）和 Agent 存在以下区别： Agent： 本质是动态 Prompt 拼接，通过工程化手段将业务需求转述为新的 Prompt。 包含短期记忆（messages 里的历史 QA 对）和长期记忆（summary 之后的文本塞回 system prompt）。 可以通过工具触发检索和 Action，触发 tool_calls 标记进入请求循环，拿模型生成的请求参数进行 API request，再把结果返回给大模型进行交互。 如 Multi Agents ，主要是更换 system prompt 和 tools 。 为 LLM 增加工具、记忆、行动、规划等能力，目前行业主要使用 langchain 框架，在 prompt 层和工具层完成设计。 有效使用工具的前提是全面了解工具的应用场景和调用方法，学习使用工具的方法包括从 demonstration 中学习和从 reward 中学习。 在追求 AGI 的征途中，具身 Agent 强调将智能系统与物理世界紧密结合，能够主动感知和理解物理环境并互动，产生具身行动。 RAG： 是向量相似性检索，可放在 system prompt 里或通过 tools 触发检索。 AGI：是一种更广泛和全面的智能概念，旨在实现类似人类的通用智能能力。 需要注意的是，这些概念的发展和应用仍在不断演进，想做深做好还有很多需要探索和解决的问题。

以下是关于语音交互领域的 AI Agent 的一些思路： 1. 构建像人一样的 Agent：实现所需的记忆模块、工作流模块和各种工具调用模块，这在工程上具有一定挑战。 2. 驱动躯壳的实现：定义灵魂部分的接口，躯壳部分通过 API 调用，如 HTTP、webSocket 等。要处理好包含情绪的语音表达以及躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对成熟但闭源。 3. 保证实时性：由于算法部分组成庞大，几乎不能单机部署，特别是大模型部分，会涉及网络耗时和模型推理耗时，低延时是亟需解决的问题。 4. 实现多元跨模态：不仅要有语音交互，还可根据实际需求加入其他感官，如通过添加摄像头数据获取视觉信息并进行图像解析。 5. 处理拟人化场景：正常与人交流时会有插话、转移话题等情况，需要通过工程手段丝滑处理。 此外，像 AutoGLM 这样的产品，通过模拟人类操作来实现跨应用的控制，展现出了一定的智能理解能力，如能根据用户意图选择合适的应用场景。但仍存在语音识别偏差、操作稳定性需提升、支持平台有限等问题，未来随着多模态理解能力和操作精准度的提高，发展空间较大。

AI agent 和智能体在以下方面存在区别： 1. 概念侧重点：AI agent 更强调作为数字人的大脑，拥有记忆模块等，以实现更真实的交互；智能体则被视为智能的最小单元，是可以设定目标后主动完成任务的。 2. 能力构成：AI agent 主要通过接入大语言模型，并结合工具、记忆、行动、规划等能力来发挥作用；智能体不仅具备推理能力，还能执行全自动化业务，但目前许多相关产品仍需人类参与。 3. 实现方式：AI agent 目前行业里主要通过如 langchain 框架，在 prompt 层和工具层完成设计，将大模型与工具进行串接；智能体在实现上可能涉及更多复杂的技术和逻辑。

以下是一些基于大模型的 agent 或者软件，可帮助您从互联网上搜集某些类型的论文并自动整理成您想要的格式： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，助您管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提高论文语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：虽不是纯粹的 AI 工具，但结合自动化和模板，可高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 此外，在 AI 文章排版方面，以下工具可供选择： 1. Grammarly：不仅是语法和拼写检查工具，还提供排版功能，改进文档整体风格和流畅性。 2. QuillBot：AI 驱动的写作和排版工具，改进文本清晰度和流畅性。 3. LaTeX：常用于学术论文排版，使用标记语言描述格式，有许多 AI 辅助的编辑器和插件简化排版。 4. PandaDoc：文档自动化平台，用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 5. Wordtune：AI 写作助手，重新表述和改进文本，使其更清晰专业。 6. Overleaf：在线 LaTeX 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 选择合适的工具取决于您的具体需求，如文档类型、出版标准和个人偏好。对于学术论文，LaTeX 和 Overleaf 受欢迎；对于一般文章和商业文档，Grammarly 和 PandaDoc 等可能更适用。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

自建一个 Agent 可以按照以下步骤进行： 1. 从案例入门 三分钟捏 Bot Step 1：（10 秒）登录控制台 登录扣子控制台（coze.cn）。 使用手机号或抖音注册/登录。 Step 2：（20 秒）在我的空间创建 Agent 在扣子主页左上角点击“创建 Bot”。 选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”，并点击“确认”完成配置。如需使用其他空间，请先创建后再选择；Bot 名称可以自定义。 Step 3：（30 秒）编写 Prompt 填写 Prompt，即自己想要创建的 Bot 功能说明。第一次可以使用一个简短的词语作为 Prompt 提示词。 Step 4：（30 秒）优化 Prompt 点击“优化”，使用来帮忙优化。 Step 5：（30 秒）设置开场白 Step 6：（30 秒）其他环节 Step 7：（30 秒）发布到多平台&使用 2. 进阶之路 15 分钟做什么 查看下其他 Bot，获取灵感 1 小时做什么 找到和自己兴趣、工作方向等可以结合的 Bot，深入沟通 阅读以下文章：文章 1、文章 2、文章 3 一周做什么 了解基础组件 寻找不错的扣子，借鉴&复制 加入 Agent 共学小组 尝试在群里问第一个问题 一个月做什么 合理安排时间 参与 WaytoAGI Agent 共学计划 自己创建 Agent，并分享自己捏 Bot 的经历和心得 3. 在 WaytoAGI 有哪些支持 文档资源 交流群 活动 工具篇: 1. 人和动物的本质区别之一，就是会使用工具，因此工具也是智能体中非常基础和重要的一环。 2. 通常 Agent 框架中会自带非常多的工具，请先熟悉这些自带的工具。 制作工具 互联网 API 工具：Jina 说明： 手册：https://jina.ai/ 工具：高德 API 说明：是高德地图提供的一套开放接口，可以实现地图展示、地理编码、逆地理编码、路径规划、地点搜索等功能。开发者可以通过调用这些 API 来实现自己的地图应用。 手册：https://lbs.amap.com/api/ 本机软件 自行构建 平台自带工具/插件 特别推荐：大聪明的插件：webcopilot Coze.cn 插件列表： coze 插件说明文档 👀小技巧：采用罗文提供的提示词可以获取插件说明：（⚠️施工中...目前差错非常多，暂时处于不可用状态，在后续持续的共创活动中将逐步完善） 文章：LLM 驱动的自主 Agents | Lilian Weng 1. 实例探究 概念验证示例 引起了人们对建立以 LLM 作为主控制器的自治 Agents 的可能性的广泛关注。考虑到自然语言界面，它存在很多可靠性问题，但仍然是一个很酷的概念验证演示。AutoGPT 中的很多代码都是关于格式解析的。 这是 AutoGPT 使用的系统消息，其中{{...}}是用户输入。 是另一个项目，用于根据自然语言指定的任务创建整个代码存储库。GPTEngineer 被指示思考一系列较小的组件来构建，并根据需要要求用户提供输入以澄清问题。 以下是发送到 GPTEngineer 使用的 OpenAI ChatCompletion 端点的用于说明任务的示例对话。用户输入被包装在{{user input text}}。 然后，在这些澄清之后，Agents 进入代码编写模式并显示不同的系统消息。系统消息： 对话样本：

以下是为您提供的关于 Agent 的相关案例和信息： 四种 Agent 设计范式： Reflection（反思）：类似于 AI 的自我纠错和迭代。例如让用 Reflection 构建好的 AI 系统写代码，AI 会把代码加上检查正确性和修改的话术再返回给自己，然后反复进行，完成自我迭代。 Tool Use（工具使用）：大语言模型调用插件，极大拓展了 LLM 的边界能力。 智能体的类型： 简单反应型智能体（Reactive Agents）：根据当前感知输入直接采取行动，不维护内部状态和考虑历史信息。例如温控器。 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能推理未来状态变化并采取行动。例如自动驾驶汽车。 目标导向型智能体（Goalbased Agents）：具有明确目标，能根据目标评估行动方案并选择最优行动。例如机器人导航系统。 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动。例如金融交易智能体。 学习型智能体（Learning Agents）：能够通过与环境交互不断改进性能，学习模型、行为策略和目标函数。例如强化学习智能体。 从产品角度思考 Agent 设计： Agent 可以是一个历史新闻探索向导，身份为历史新闻探索向导，性格知识渊博、温暖亲切、富有同情心，角色是主导新闻解析和历史背景分析。为使角色更生动，可设计简短背景故事。 写好角色个性包括：编写背景故事明确起源、经历和动机；定义性格特点和说话方式风格；设计对话风格；明确核心功能和附加功能。

建立提示词库及寻找已有提示词库的方法如下： 学习系统学习 Stable Diffusion 的提示词： 学习基本概念，包括了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分。 研究官方文档和教程，通读官方文档，研究开发团队和专家的教程和技巧分享。 学习常见术语和范例，熟悉相关领域的专业术语和概念，研究优秀的图像标题和描述。 掌握关键技巧，如组合多个词条精确描述效果，使用特定符号控制生成权重，处理抽象概念和情感等无形事物的描述。 进行实践和反馈，尝试生成不同风格和主题的图像，对比结果并总结经验，在社区分享并获取反馈。 创建提示词库，根据主题、风格等维度建立，将成功案例和总结记录以便复用。 持续跟进前沿，关注最新更新和社区分享。 学习提示词运用： 理解提示词的作用，其为模型提供上下文和指示，影响输出质量。 学习构建技巧，明确任务目标，用简洁准确语言描述，提供背景信息和示例，使用清晰指令，明确特殊要求。 参考优秀案例，在领域社区、Github 等资源中寻找。 实践、迭代、优化，多与语言模型互动，根据输出改进提示词，尝试变体并比较分析。 活用提示工程工具，如 Anthropic 的 Constitutional AI 等。 跟上前沿研究，关注最新成果和方法论。 精心设计的提示词能充分发挥语言模型的潜力，通过多实践、学习和总结，可掌握相关技巧。

建立自己的 AGI 是一个具有挑战性且长期的过程，以下是一些建议和参考： 首先，在学习前可能处于对 AI 和提示词工程不理解，不懂代码、英语差，注册尝试各种 AI 工具走弯路的状态。 学习后，可能能够搓多 Agent 的智能体，进行营销文案创作、SQL 代码进阶学习应用，创建图像流智能体和 Agent 智能体玩具，在公司中实践智能客服等。 在学习路径方面，关键词包括“少就是多”“先有个初识”“目录索引推荐”“兴趣最重要”“先动手”。学习路径类似于游戏通关的主线加支线，要学以致用，通过学习、分享和不断填补知识的缝隙来成长。 同时，新手学习 AI 需记住这是一个长期过程，要有耐心和持续努力，不要害怕犯错。完整的学习路径建议参考「通往 AGI 之路」知识库首页（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）的布鲁姆分类法，设计自己的学习路径。 另外，关于 AGI 的未来发展，2024 年内有诸多机会点，如图片超短视频的精细操控、有一定操控能力的生成式短视频、AI 音频能力进展、“全真 AI 颜值网红”出现、游戏 AI NPC 进展、AI 男/女朋友聊天成熟、实时生成内容在社交媒体和广告中出现、AI Agent 进展、AI 的商业模式用例、可穿戴全天候 AI 硬件、中国 AI 发展、AI 造成的问题等。2025 2027 年，AI 3D 技术、全真 AI 虚拟人、AR/VR 技术、接近 AGI 的技术、具身智能等方面将有新的发展，同时也会带来一些社会问题。

以下是建立自己的知识库的步骤和相关格式： 1. 选择工具：以 Coze 为例，来到个人空间，找到知识库导航栏，点击创建知识库。 需注意知识库是共享资源，多个 Bot 可以引用同一个知识库。 2. 选择格式并填写信息： 目前（2024.06.08）Coze 支持三种格式，分别是文档、表格（CSV、Excel 等）、图片（上传图片并填写图片文字说明）。 格式并非关键，重要的是理解影响 RAG 输出质量的因素。 例如可以选择本地文档（问答对可选择表格）。 参考。 选择自定义的文档切割，数据处理完成后，一个问答对会被切割成一个文档片。 3. 使用知识库：关于使用知识库，可以查看教程。

以下是建立个人知识库的一些方法： 1. 使用 GPT 打造个人知识库： 将文本拆分成若干小文本块（chunk）。 通过 embeddings API 将小文本块转换成与语义相关的 embeddings 向量，并在向量储存库中保存这些向量和文本块作为问答的知识库。 当用户提出问题时，将问题转换成向量，与向量储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。 2. 按照张梦飞的【知识库】FastGPT+OneAPI+COW 带有知识库的机器人完整教程： 地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/。 点击文件夹上方功能栏中的【终端】（注意不是左侧一级菜单里的终端，是文件夹上方那一行的终端电脑）。 粘贴进入，点击回车。点击后，关闭此弹窗。 执行命令：cp configtemplate.json config.json 。 刷新页面，在当前目录下找到 config.json 文件进行修改。 删除文件里的所有代码，复制提供的代码并粘贴到文件里，修改第 4、5 行的 API 和 key 后保存并关闭文件。 3. 手把手教你本地部署大模型以及搭建个人知识库： 若要更灵活掌控知识库，可使用额外软件 AnythingLLM，其包含所有 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 安装地址：https://useanything.com/download 。 安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 在 AnythingLLM 中有 Workspace 的概念，可创建独有的 Workspace 与其他项目数据隔离。 首先创建一个工作空间，上传文档并在工作空间中进行文本嵌入，选择对话模式（Chat 模式：大模型根据训练数据和上传的文档综合给出答案；Query 模式：大模型仅依靠文档中的数据给出答案），完成配置后即可进行测试对话。 总之，建立个人知识库需要根据您的具体需求和技术水平选择合适的方法，并进行相应的操作和配置。

以下是关于通过 AI 建立游戏 NPC 的相关信息： Inworld AI 是一家专注于游戏和人工智能的初创公司，其开发的 Inworld 角色引擎可以将游戏的 NPC 进行 AI 化并集成到游戏中。该引擎超越了大语言模型，增加了可配置的安全性、知识、记忆、叙事控制、多模态等功能，能使 NPC 自我学习和适应，具有情绪智能。 Inworld 的角色引擎具有以下特点和功能： 1. 可以创建具有独特个性和上下文意识的角色，无缝集成到实时应用中，内置优化规模和性能的功能。 2. 让 AI 非玩家角色（NPC）通过模拟人类的全方位沟通方式（包括语言、手势、表情和动作）来表达个性。 3. 开发了 Character Brain（性格大脑）引擎，使 AI NPC 能够学习和适应，具有情绪智能的关系导航能力，具有记忆和回忆能力，并能够自主地发起目标，执行动作并遵循自己的动机。 4. 功能包括： 目标和行动：使用定义的触发器、意图识别和动机来触发角色对玩家行为的反应，并在游戏中驱动交互。 长期记忆：角色以类似人类的记忆功能操作，从闪存和长期记忆中检索信息，创建吸引玩家回归的引人入胜的体验。 个性：通过使用自然语言创建不同的个性，添加关于角色背景故事、动机和缺点的丰富细节，使角色生动起来。 情绪：Inworld 角色能够对与用户的互动表达情绪，情绪可以映射到动画、目标和触发器。 实时语音：使用内置的语音设置进行最小延迟，并配置角色的性别、年龄、音调和说话速度。或者，使用来自 Eleven Labs 的第三方服务创建自定义和克隆语音。 Inworld AI 的"Contextual Mesh"功能还提供了以下方式来定制 AI 非玩家角色（NPC）的行为和知识： 1. 可配置的安全性：可以配置 NPC 的对话方式，在诸如亵渎、暴力、成人话题、酒精、药物使用、政治和宗教等话题上有一定灵活性。 2. 知识：可以输入"个人知识"来控制他们的角色应该知道或不应该知道的信息，使用"共享知识"来定义多个角色拥有的知识，如共享的传说、世界背景等。 3. 玩家档案：收集关于玩家的信息，并允许 NPC 在形成互动时考虑到这些信息。 4. 关系：通过配置每个角色的关系流动性设置，让玩家有能力与 NPC 建立关系。 5. 第四堵墙：确保角色只从他们的世界中存在的知识中获取信息，创建更沉浸的故事讲述和游戏体验。 Inworld 可以与各种游戏引擎（如 Unity、Unreal Engine 等）和其他游戏开发工具无缝对接，使得开发者可以更容易地在他们的游戏中引入 AI NPC。Inworld AI 还可以帮助品牌能够创建交互性强的 AI 角色，无需编码。 此外，电子游戏与人工智能的结合有着广泛的可能，包括玩家建模、辅助设计、代码辅助和代码自动生成等等。其中与游戏直接相关的应用主要包括构建游戏中的智能体、构建玩游戏的智能体、程序化内容生成（Procedural Content Generation，PCG）。“构建游戏中的智能体”是指构建游戏的非玩家角色（Nonplayer character），也就是常说的 NPC，包括构建智能对象，创建其移动、寻路、攻击等行为，以及对话等交互行为。

在 AI 时代帮助每个学生成为学霸，以下是一些步骤和要点： 1. 培养获取知识的能力：教导学生掌握利用 AI 技术获取和处理信息的方法，提高获取知识的效率。 2. 促进知识内化：引导学生将获取的信息和知识有效内化，转化为智慧。例如，通过实践反思、交流讨论等方式，提升知识的转化速度和质量。 3. 建立信念系统：帮助学生树立“我行、我能、我可以”的信念，增强学习的自信心。 4. 培养独立思考：鼓励学生主动积极思考，不盲目与他人比较，专注自身的成长和进步。 5. 强调自学：引导学生重视自学，让他们明白自学结合 AI 能够带来强大的能力。 6. 培养创造能力： 鼓励学生勇于尝试新事物，将失败视为学习的一部分。 培养批判性思维，不盲目跟从权威。 引导学生从实践中反思，提炼洞见。 促进学生与不同背景的人交流，激发新的思路。 持续学习和不断创造是相辅相成的，通过积累知识和经验，并将其转化为实际价值，学生能够在 AI 时代更好地成长和发展。